Optimizacin o

Mdulo 1: Programacin Lineal o o

Juan F. Prez e Departamento de Ingenier Elctrica y Electrnica a e o Universidad de los Andes

Mdulo 1: Prog. Lineal (U. Andes) o

Optimizacin o

Introduccin o

1 / 26

Tomado de www.lolroflmao.com/2011/12/30/why-complicate-life/

Mdulo 1: Prog. Lineal (U. Andes) o

Optimizacin o

Introduccin o

2 / 26

Agenda

Introduccin - Ejemplos o

Poliedros y PL

Programas lineales en forma estndar a

Mdulo 1: Prog. Lineal (U. Andes) o

Optimizacin o

Introduccin o

3 / 26

Introduccin - Ejemplos o

Ejemplo: inversiones
Presupuesto: 5 pesos. Tres opciones de inversin: bonos, acciones y TES. o Rendimiento:
Acciones: 6 %. Bonos: 3 %. TES: 2 %.

Maximizar el rendimiento total.

Mdulo 1: Prog. Lineal (U. Andes) o

Optimizacin o

Introduccin o

4 / 26

Introduccin - Ejemplos o

Ejemplo: inversiones
Restricciones: Inversin en acciones no mayor a 4 pesos. o Inversin en bonos entre 2 y 4 pesos. o Inversin en TES de al menos 3 pesos. o

Mdulo 1: Prog. Lineal (U. Andes) o

Optimizacin o

Introduccin o

5 / 26

Introduccin - Ejemplos o

Programacin lineal: elementos o

Variables de decisin o Restricciones Funcin objetivo o Ejemplo (inversiones) Versin matricial o

Mdulo 1: Prog. Lineal (U. Andes) o

Optimizacin o

Introduccin o

6 / 26

Introduccin - Ejemplos o

Ejemplo: inversiones - Solucin grca o a

Considerar solo inversiones en acciones y bonos Regin factible o

Mdulo 1: Prog. Lineal (U. Andes) o

Optimizacin o

Introduccin o

7 / 26

Introduccin - Ejemplos o

Ejemplo en manufactura
Producir n productos en m mquinas a bi : tiempo disponible en la mquina i, 1 i m (horas). a aij : tiempo requerido por el producto j en la mquina i, a 1 i m, 1 j n (horas por unidad). cj : ingreso generado por cada unidad del producto j, 1 j n (dinero por unidad). max. ingreso total, sujeto a restricciones de tiempos de produccin. o Caso de tres productos y dos mquinas. a

Mdulo 1: Prog. Lineal (U. Andes) o

Optimizacin o

Introduccin o

8 / 26

Introduccin - Ejemplos o

Ejemplo en redes
Ud hace parte de un grupo contratado para disear una red de computadores. n Parte de su labor es determinar la cantidad y el tipo de cableado que debe extenderse entre cada par de nodos de la red. Se tiene un conjunto de n nodos que se quiere conectar. Previamente se ha determinado el requerimiento de trco para cada arco de la red, denido como dij para 1 i, j n, medido a en Mbps. Para el cableado se tienen 3 tecnolog donde la tecnolog k ofrece as, a una tasa de transmisin de rk Mbps por cada cable instalado, para 1 k 3. o Adems, instalar un cable de la tecnolog k para atender el trco entre los a a a nodos i y j tiene un costo cijk , para 1 i, j n y 1 k 3. Su labor, como se mencion arriba, es determinar la cantidad y el tipo de cableado a usar o para atender el trco proyectado en la red, a un m a nimo costo. Plantee este problema como un programa lineal. Ignore condiciones de integralidad.

Mdulo 1: Prog. Lineal (U. Andes) o

Optimizacin o

Introduccin o

9 / 26

Introduccin - Ejemplos o

Ejemplo en redes
Se tiene un conjunto de n nodos que se quiere conectar. Previamente se ha determinado el requerimiento de trco para a cada arco de la red, denido como dij para 1 i, j n, medido en Mbps. Para el cableado se tienen 3 tecnolog donde la tecnolog k as, a ofrece una tasa de transmisin de rk Mbps por cada cable o instalado, para 1 k 3. Adems, instalar un cable de la tecnolog k para atender el a a trco entre los nodos i y j tiene un costo cijk , para 1 i, j n y a 1 k 3. Determine la cantidad y el tipo de cableado a usar para atender el trco proyectado en la red, a un m a nimo costo. Plantee este problema como un programa lineal.

Mdulo 1: Prog. Lineal (U. Andes) o

Optimizacin o

Introduccin o

10 / 26

Poliedros y PL

Hiperplanos, conjuntos convexos, politopos

Hiperplano: el conjunto de todos los puntos x = [x1 , . . . , xn ] que satisfacen la ecuacin n ui xi = v, donde ui , v R, y al menos o i=1 un ui = 0. H = {x Rn : u x = v} u es la normal del hiperplano (gradiente) dim(H) es n 1 Si el hiperplano contiene al origen, es un subespacio H = {x Rn : u x = 0} H divide Rn en dos semi-espacios:
Semi-espacio positivo: H+ = {x Rn : u x v} Semi-espacio negativo: H = {x Rn : u x v}

Mdulo 1: Prog. Lineal (U. Andes) o

Optimizacin o

Introduccin o

11 / 26

Poliedros y PL

Hiperplanos, conjuntos convexos, politopos

Un conjunto Rn es un conjunto convexo si x, y y (0, 1), x + (1 )y Todas las combinaciones lineales convexas o segmentos de linea estn en el conjunto a Ejemplos Interseccin de una coleccin de conjuntos convexos es un conjunto o o convexo. Interseccin de cualquier nmero de semi-espacios (convexos) es o u un conjunto convexo.

Mdulo 1: Prog. Lineal (U. Andes) o

Optimizacin o

Introduccin o

12 / 26

Poliedros y PL

Hiperplanos, conjuntos convexos, politopos

Politopo convexo: conjunto que puede ser expresado como la interseccin de un conjunto nito de semi-espacios (Ax b x 0). o Poliedro (convexo): politopo convexo acotado no vac o. Sea y un punto en la frontera de un conjunto convexo. Hiperplano de soporte: hiperplano H que pasa por y tal que todos los puntos del conjunto quedan en uno solo de los semi-espacio denidos por H. Caras de un poliedro dimensin k: los poliedros de dimensin k 1 o o que forman la frontera del poliedro de dimensin k. o

Mdulo 1: Prog. Lineal (U. Andes) o

Optimizacin o

Introduccin o

13 / 26

Poliedros y PL

Hiperplanos, conjuntos convexos, politopos

Regin factible: poliedro M Rn o H: hiperplano de soporte de M Si dim M = n, el conjunto de todos los puntos comunes al hiperplano H y el poliedro M = una cara de M
Si dim(cara de M )= n 1, existe solo un hiperplano de soporte. Si dim(cara de M )< n 1, existe un nmero innito de hiperplanos u de soporte.

Ejemplo. Optimo: interseccin de c x = (hiperplano de soporte) y la o regin factible M (poliedro). o

Mdulo 1: Prog. Lineal (U. Andes) o

Optimizacin o

Introduccin o

14 / 26

Poliedros y PL

Ejemplo
min x1 3x2 s.a. x1 + x2 6 x1 + 2x2 8 x1 , x2 0

Grco regin factible, isoclinas, ptimo. a o o Solucin ptima unica o o Innitas soluciones ptimas: min x1 x2 o Sin ptimo nito o Sin solucin: regin factible vac o o a.

Mdulo 1: Prog. Lineal (U. Andes) o

Optimizacin o

Introduccin o

15 / 26

Programas lineales en forma estndar a

Programas lineales en forma estndar a

min c x s.a. Ax = b x0

A Rmn , m < n, rank A = m, b 0 Problemas en otros formatos se pueden poner en forma estndar a Ax b: adicionar variables de holgura Ax b: adicionar variables de exceso Ejemplo geomtrico: una variable estructural, una de holgura; dos e estructurales, una de holgura.

Mdulo 1: Prog. Lineal (U. Andes) o

Optimizacin o

Introduccin o

16 / 26

Programas lineales en forma estndar a

Ejemplo - Problema de transporte

m plantas y n puntos de venta. Un producto. dj : demanda en el punto de venta j, 1 j n (unidades). si : oferta en la planta i, 1 i m (unidades). cij : costo de env de un producto de la planta i al punto de venta o j, 1 i m, 1 j n (costo por unidad). min. costo total de transporte sujeto a restricciones de oferta y demanda. 2 plantas y 3 puntos de venta.

Mdulo 1: Prog. Lineal (U. Andes) o

Optimizacin o

Introduccin o

17 / 26

Programas lineales en forma estndar a

Soluciones bsicas a
Problema lineal en forma estndar: a max. c x s.a. Ax = b x0 A Rmn , x Rn , c Rn , b Rm , b 0, m n, r(A) = m A = [B N]

B Rmm (m cols. lin. ind.), N Rm(nm) x= xB xN

Ax = b BxB + N xN = b BxB = b tiene solucin unica: xB = B 1 b o

Mdulo 1: Prog. Lineal (U. Andes) o Optimizacin o Introduccin o 18 / 26

Programas lineales en forma estndar a

Soluciones bsicas (cont.) a

BxB + N xN = b BxB = b tiene solucin unica: xB = B 1 b o xN = 0 x = x= xB : solucin bsica (factible si xB 0) o a 0

xB : solucin bsica con respecto a la base B o a 0

Variables bsicas y columnas bsicas a a Solucin bsica degenerada o a Solucin bsica factible o a

Mdulo 1: Prog. Lineal (U. Andes) o

Optimizacin o

Introduccin o

19 / 26

Programas lineales en forma estndar a

Soluciones bsicas (cont.) a

Ejemplo: Regin factible: o x1 + x2 6 x2 3 x1 , x2 0 Regin factible en formato estndar: o a x1 + x2 + x3 = 6 x2 + x4 = 3 x1 , x2 , x3 , x4 0 Soluciones bsicas? bsicas factibles? a a

Mdulo 1: Prog. Lineal (U. Andes) o

Optimizacin o

Introduccin o

20 / 26

Programas lineales en forma estndar a

Soluciones bsicas (cont.) a

Solucin grca o a

Mdulo 1: Prog. Lineal (U. Andes) o

Optimizacin o

Introduccin o

21 / 26

Programas lineales en forma estndar a

Soluciones bsicas (cont.) a

Adicione x1 + 2x2 6 x1 + x2 + x3 = 6 x2 + x4 = 3 x1 + 2x2 + x5 = 9 x1 , x2 , x3 , x4 , x5 0 1 0 A= 1 1 B = 0 1 1 1 0 0 1 0 1 0 2 0 0 1 1 1 1 0 2 0

Solucin bsica degenerada o a

Mdulo 1: Prog. Lineal (U. Andes) o Optimizacin o Introduccin o 22 / 26

Programas lineales en forma estndar a

Soluciones bsicas (cont.) a

Nmero de soluciones bsicas factibles u a
n m

n! m!(nm)!

Mdulo 1: Prog. Lineal (U. Andes) o

Optimizacin o

Introduccin o

23 / 26

Programas lineales en forma estndar a

Propiedades de las soluciones bsicas a

Solucin factible ptima. o o Teorema fundamental de Programacin Lineal: o En un PL en forma estndar a
Si existe una solucin factible, existe una solucin bsica factible o o a Si existe una solucin factible ptima, existe una solucin bsica o o o a factible ptima. o

Resultado del Teorema: para resolver un PL es suciente con examinar las soluciones bsicas factibles. a

Mdulo 1: Prog. Lineal (U. Andes) o

Optimizacin o

Introduccin o

24 / 26

Programas lineales en forma estndar a

Propiedades de las soluciones bsicas (cont.) a

Ejemplo: x1 + x2 6 x2 3 x1 , x2 0 1 1 1 0 . 0 1 0 1 3 2 Solucin factible: x = . o 1 1 A = [a1 a2 a3 a4 ] = Solucin bsica factible? o a x1 + x2 + x3 = 6 x2 + x4 = 3 x1 , x2 , x3 , x4 0

Mdulo 1: Prog. Lineal (U. Andes) o

Optimizacin o

Introduccin o

25 / 26

Programas lineales en forma estndar a

Visin geomtrica o e
Punto extremo de un conjunto

Teorema
= {x : Ax = b, x 0}, A Rmn , m < n. x es un punto extremo de si y solo si x es una solucin bsica factible de Ax = b, x 0. o a Resultado del Teorema: Para resolver un PL es suciente con examinar los puntos extremos del poliedro . Equivalentemente, es suciente con examinar las soluciones bsicas factibles. a

Mdulo 1: Prog. Lineal (U. Andes) o

Optimizacin o

Introduccin o

26 / 26